Oleh KELOMPOK 1
Ni Putu Dina Rahmawati ( 1605541005 )
I Ketut Widi Arjana Yasa ( 1605541013 )
I Kadek Adi Wiguna Sanjaya ( 1605541075 )
I Gede Arya Gangga Gajanada ( 1605541041 )
Koefisien DC dikodekan secara terpisah dari yang AC. Differential Pulse Code
Modulation (DPCM) adalah metode pengkodean. Jika koefisien DC untuk 5 blok
gambar pertama adalah 150, 155, 149, 152, 144, maka DPCM akan menghasilkan 150,
5, -6, 3, -8, dengan asumsi di = DCi + 1 - DCi, dan d0 = DC0.
• Pengodean entropi.
Koefisien DC dan AC akhirnya menjalani langkah pengkodean entropi untuk
mendapatkan kemungkinan kompresi lebih lanjut. Gunakan DC sebagai contoh: setiap
koefisien DC berkode DPCM diwakili oleh (SIZE, AMPLITUDE), di mana SIZE
menunjukkan berapa banyak bit yang diperlukan untuk mewakili koefisien, dan
AMPLITUDE berisi bit yang sebenarnya. Dalam contoh yang kami gunakan, kode 150,
5, −6, 3, −8 akan diubah menjadi
(8, 10010110), (3, 101), (3, 001), (2, 11), (4, 0111).
SIZE adalah kode Huffman karena SIZE yang lebih kecil muncul lebih sering.
AMPLITUDE bukan kode Huffman, nilainya dapat berubah secara luas sehingga
pengkodean manusia tidak memiliki manfaat yang cukup besar.
Gambar 9.5 Detail pengkodean entropi dasar — kategori Size
Kompresi bit-rate rendah: Standar JPEG saat ini menawarkan kinerja rate-
distorsi yang sangat baik dalam mid dan high bit-rates. Namun pada laju bit di
bawah 0,25 bpp, distorsi subyektif menjadi tidak dapat diterima. Ini penting
jika kami berharap untuk menerima gambar pada perangkat dimana pun yang
mendukung web kami.
Kompresi Lossless dan Lossy: Saat ini tidak ada standar yang dapat
memberikan kompresi superior lossless dan kompresi lossy dalam bitstream
tunggal.
Gambar besar: Standar baru akan memungkinkan resolusi gambar yang lebih
besar dari 64K x 64K tanpa ubin. Ini dapat menangani ukuran gambar hingga
232-1.
Arsitektur Dekompresi Tunggal: Standar JPEG saat ini memiliki 44 mode,
banyak di antaranya adalah aplikasi spesifik dan tidak digunakan oleh sebagian
besar dekoder JPEG.
Transmisi di Lingkungan Bising: Standar baru ini akan memberikan
peningkatan ketahanan kesalahan untuk transmisi di lingkungan bising seperti
jaringan nirkabel dan Internet.
Transmisi Progresif: Standar baru memberikan skalabilitas kualitas dan resolusi
yang mulus dari bit-rate rendah ke tinggi. Target bit-rate dan resolusi
rekonstruksi tidak perlu diketahui pada saat kompresi.
Pengkodean Daerah Tujuan: Standar baru ini memungkinkan spesifikasi
Region of Interest (ROI) yang dapat dikodekan dengan kualitas unggul dari
pada gambar lainnya.
Pencitraan yang dihasilkan Komputer: Standar JPEG saat ini dioptimalkan
untuk pencitraan alami dan tidak berkinerja baik pada pencitraan yang
dihasilkan komputer.
Dokumen gabungan: Standar baru menawarkan meta mekanisme data untuk
menggabungkan data tambahan non-gambar sebagai bagian dari file. Ini
mungkin berguna untuk memasukkan teks beserta gambar.
Bitstream terpisah yang dapat diskalakan dihasilkan untuk setiap blok kode.
Dengan skema pengkodean berbasis blok, algoritma EBCOT telah meningkatkan
ketahanan kesalahan. Algoritma EBCOT terdiri dari tiga langkah:
Pada Gambar 9.7 misalkan si [k] = si [k1, k2] antara blok kode kecil
sampel sub-band, dengan k1 dan k2 indeks baris dan kolom. (Dengan definisi
ini, sub-band HL high-pass horizontal harus diubah sehingga k1 dan k2 akan
memiliki makna yang konsisten dengan sub-band lainnya. Transposisi ini
berarti bahwa sub-band HL dapat diperlakukan dengan cara yang sama seperti
sub-band LH, HH, dan LL dan menggunakan model konteks yang sama.)
Algoritma ini menggunakan Pengukuran zona mati yang ditunjukkan pada
Gambar 9.8 yang dirumuskan sebagai berikut:
di mana δβi adalah ukuran langkah untuk sub-band βi, yang berisi blok
kode Bi. Proses pengkodean mirip dengan pengkodean bitplane, di mana bit
yang paling signifikan νpmax ii [k] pertama kali dikodekan untuk semua
sampel dalam blok kode, diikuti oleh bit yang paling signifikan berikutnya νp
(maks − 1) ii [k ], dan seterusnya, sampai semua bitmap dikodekan.
Gambar 9.8 Pengukur zona mati. Panjang zona mati adalah 2δ. Nilai-nilai di dalam zona
mati dikuantisasi menjadi 0
Untuk memastikan bahwa setiap blok kode memiliki bitstream yang disematkan
dengan baik, pengkodean dari setiap bitplane p berlangsung dalam empat lintasan yang
berbeda, yaitu:
Gambar 9.9. Penampilan coding berlalu dan kode quad pohon tertanam bitstream setiap blok.
Gambar di atas menunjukkan tata letak kode pass dan kode quad-tree di
masing-masing bitstream tertanam. Sp menunjukkan kode quad-tree yang
mengidentifikasi sub-blok yang signifikan di bitplane p. Perhatikan bahwa untuk setiap
bitplane p, Sp muncul tepat sebelum pass kode final Pp 4, bukan pass kode awal Pp 1.
Ini menyiratkan bahwa sub-blok yang menjadi signifikan untuk pertama kalinya dalam
bitplane p diabaikan sampai lulus terakhir.
Tujuan:
Untuk setiap bitstream tertanam dari blok kode Bi distorsi keseluruhan gambar
direkonstruksi adalah (dengan asumsi distorsi adalah aditif)
dimana Dni i adalah distorsi dari blok kode Bi yang memiliki titik potong ni. Untuk
setiap blok kode Bi, distorsi dihitung oleh
di mana Rmax adalah bit-rate yang tersedia. Untuk beberapa λ, setiap set titik
pemotongan {nλ i} yang diminimalkan
Optimal yang di maksud dalam arti tingkat-distorsi.
Lereng distorsi tingkat yang diberikan oleh rasio adalah benar-benar menurun.
Lapisan kualitas Q1 berisi awal byte masing-masing blok kode Bi dan lapisan
Kuantitas adalah titik pemotongan yang sesuai dengan ambang batas distorsi λq
yang dipilih untuk lapisan kualitas qth.
Gambar 9.10. Tiga lapisan berkualitas dengan delapan blok masing-masing.
Tujuan:
Daerah tertentu dari gambar mungkin berisi penting informasi, sehingga harus
dikodekan dengan kualitas yang lebih baik dari pada lain.
Biasanya dilaksanakan dengan menggunakan metode MAXSHIFT yang skala up
koefisien dalam ROI sehingga mereka ditempatkan ke dalam bit-pesawat yang lebih
tinggi.
Selama proses coding tertanam, bit yang dihasilkan ditempatkan di depan non-ROI
bagian dari gambar. Sehubungan Dengan Itu, berikan bit-rate yang dikurangi, ROI
akan diterjemahkan dan sebelum sisa gambar halus. Satu hal yang perlu diperhatikan
adalah bahwa terlepas dari penskalaan, decoding penuh dari bitstream akan
menghasilkan rekonstruksi dari kabel yang akan dibongkar dengan data tertinggi yang
tersedia. Gambar 9.11 menunjukkan efek pengkodean wilayah penting sebagai bitrate
target gambar sampel meningkat.
Gambar. 9.11. Wilayah bunga (ROI) pengkodean gambar menggunakan sirkuler ROI berbentuk. (a)
0,4 bpp, (b) 0,5 bpp, (c) 0.6bpp, dan (d) 0,7 bpp.
Gambar 9.12. Perbandingan kinerja untuk JPEG dan JPEG2000 pada berbeda
jenis gambar. (a) Citra alam, (b) Citra yang dihasilkan komputer, (c) Citra Medis
Gambar. 9.13. Perbandingan JPEG dan JPEG2000. (a) Citra Asli, (b) JPEG (kiri) dan JPEG2000 (kanan) gambar
dikompresi pada 0,75 bpp. (c) JPEG (kiri) dan JPEG2000 (kanan) gambar dikompresi pada 0,25 bpp.
9.3 JPEG-LS Standard
JPEG-LS dalam standar ISO / ITU saat ini digunakan untuk lossless atau
"Nyaris tanpa kehilangan" kompresi gambar nada kontinu. Ini adalah bagian dari upaya
ISO yang lebih besar yang ditujukan untuk kompresi yang lebih baik pada gambar
medis. Menggunakan LOCO-I (LOw COmplexity LOssless Compression untuk
Gambar) algoritma yang diusulkan oleh Hewlett-Packard. Termotivasi oleh
pengamatan bahwa pengurangan kompleksitas yang seringkali lebih penting daripada
peningkatan kecil dalam kompresi ditawarkan oleh algoritma yang lebih kompleks.
Algoritma LOCO-I memanfaatkan pemodelan konteks. Gagasan pemodelan konteks
adalah untuk mengambil keuntungan dari struktur dalam sumber input - probabilitas
bersyarat ities.
c a d
b x
Gambar 9.14 JPEG-LS Context Model.